研討會回顧 | 解鎖服務管理新效能:Jira Service Management + AI 實戰指南

日前,由Atlassian全球白金合作夥伴——龍智主辦的《解鎖服務管理新效能:Jira Service Management + AI 實戰指南》網路研討會圓滿落幕。

研討會上,龍智資深技術顧問張曉樂帶來主題演講,圍繞服務管理的典型挑戰、Jira Service Management(JSM)的核心能力、AI在服務支持中的實際應用、Cloud環境下的數據安全等展開探討,並通過新員工入職流程的Demo演示,直觀展示了JSM + AI如何顯著提升服務效率。

以下為演講實錄,歡迎收藏閱讀!

大家好,我是龍智的資深技術顧問張曉樂。本次研討會聚焦Jira Service Management + AI實戰指南,旨在探索如何將Atlassian服務管理與人工智慧相結合,為企業的現代服務管理帶來新思路。希望能為大家帶來實用啟發。

服務管理面臨的挑戰

隨著社會的進步及數字企業的興起,全天候運作的服務和支援成為必然趨勢,數字經濟的蓬勃發展也使得遠程協作模式逐漸成熟。這就要求支持服務時刻線上,滿足客戶隨時可能產生的服務需求,而分散在各地的支持團隊成員也需要無縫協作,來保障工作的順暢進行。

但是服務管理領域的支持團隊卻面臨著諸多挑戰,例如:

  • 由於缺乏足夠的歷史經驗和服務運營數據,團隊難以精准把握運營狀況,無法對服務方式及品質進行有效優化;
  • 服務台負荷超載,大量的服務請求讓支持人員疲於應對,導致服務品質下降;
  • 處理客戶問題的週期過長,不僅服務效率低下,還可能引發客戶不滿,影響企業口碑。

這些挑戰相互交織,嚴重影響著服務管理支持團隊的效能。

經過進一步的分析,我們發現導致這些問題的深層原因主要有:相互隔離的工具與團隊、過時且雜亂的知識資產、效能不佳的人工智慧沒有給支持人員提供有效的資訊和數據支撐;團隊成員目標不一致、溝通效率低下,且複雜的解決方案增加了支持人員相互協作的難度,從而導致客戶問題處理週期過長、服務台負荷超載,對服務品質也較難進行有效的優化。

Atlassian服務管理解決方案:Jira Service Management

為了有效解決這些問題,Atlassian推出了專業的服務管理解決方案——Jira Service Management(JSM),它是服務管理領域的有力工具,能為企業解決諸多難題。那麼Jira Service Management(JSM)是如何運作、有哪些功能呢?

JSM的工作機制是:客戶在服務台尋求幫助或提單,內部支持人員接收並處理這個工單,客戶及支持人員可以線上溝通討論相關問題,支持人員完成工單並回饋給客戶後,客戶可以提交對服務的滿意度。

另外呢,由於客戶分散在各地,常用的溝通工具和習慣都有所不同。為了提供更好的服務,JSM提供了多管道一鍵提單、基於不同的業務需求自動assign/分類工單給特定支持團隊、用SLA衡量服務品質、自動化服務,以及利用Assets即時透明地管理企業資產等功能。

接下來,我們逐步來看JSM是如何針對性解決服務管理中存在的問題的。

專案範本,輕鬆開啟服務管理

為了更好地服務不同地區、不同領域的客戶,降低企業的使用門檻,JSM提供了各類預置的服務範本,例如:HR服務、IT服務等,各範本裏包括專用的請求類型、工作流、介面等,供大家開箱即用。另外,這些預置服務範本十分“全能”,能夠針對不同團隊的具體場景做到快速落地,一鍵創建,操作極為便捷。

統一入口,專屬門戶

JSM支持多管道一鍵提單(例如通過聊天工具Slack/Teams,以及門戶、Email,甚至在Confluence中都可以一鍵提單),不論客戶通過何種管道提交工單,都能在系統中統一呈現,避免了資訊分散。

JSM還內嵌了知識庫,支持客戶自助搜索,以快速解決常見問題。另外JSM具有統一的幫助中心,還可以針對不同專案定制專屬門戶,用戶可在幫助中心快捷查詢所有專案,從而打破專案壁壘,讓資訊流通更順暢。

會話式工單處理

支持人員在處理工單或與客戶溝通時,JSM採用會話式工單處理方式,條理清晰,可看性更強。

知識驅動的服務

為了縮短服務的整體時間、提高服務回應速度,各企業都在提倡服務左移(即儘量讓客戶通過自助服務解決問題),而知識驅動是服務左移的基礎,也是提升服務效能的關鍵。 JSM內置知識庫,客戶可在提單時自助搜索匹配相關資訊,自行解決常見問題,從而顯著減少工單數量,減輕支持團隊的工作量,使支持團隊將精力集中在更複雜的問題上,有效提升首次解決率與回應速度。

佇列管理,高效分流

另外,為了實現服務資源的更優配置,優先聚焦關鍵服務事項,JSM提供了佇列功能,可基於預設規則自動為工單分配支持人員、確定工單處理順序,同時也可進行佇列的快速切換和靈活調度,讓服務管理更加高效、有序。

SLA 管理,透明可控

清晰定義的服務承諾是高質量服務管理的基礎,而JSM提供了SLA目標自定義功能,能夠基於客戶要求自定義SLA服務。通過即時追蹤SLA,支持團隊還能夠及時發現服務過程中的問題和偏差,進而管控客戶預期,提升客戶滿意度。

知識庫複用,持續沉澱

JSM基於與Confluence的集成,提供高效鏈接、管理Confluence文檔的功能,可利用AI即時總結工單的解決過程及方式,形成有效的業務經驗並自動更新至知識庫,實現新知識即時沉澱、形成問題標準化解決方案,提高支持人員回應的一致性。另外,JSM還支持按支持人員和外部客戶身份區分知識庫許可權,在提供最新知識的同時,有效保障資訊安全。

Dev & Ops 真正協同

Dev與Ops真正協同是現代服務請求支持的關鍵一環。

JSM可與Jira Software無縫銜接,使支持團隊與開發團隊深度集成。從提出服務需求到問題解決,確保任務的精准分配與高效執行,實現完整的專案管理閉環,確保全流程可控、可追溯。這意味著可以打破部門間的隔閡,實現資訊與資源的高效共用,有效提升服務品質和客戶滿意度。

資產與配置管理

企業資產也是服務管理中必不可少的一環。

JSM系統中的資產管理模組(Assets)可用於對企業至關重要的軟體、硬體、服務、人員等資產進行自定義設置、即時跟蹤和可視化管理,成為企業的即時資源庫。通過動態追蹤資產的使用狀況及狀態,企業可以及時發現潛在問題,提前做好維護或調整,避免因資產故障影響業務開展。還將資產對象與服務工單進行輕鬆關聯,從而提高工作效率,減少溝通成本,讓企業的管理流程更順暢。

零編碼的自動化規則構建器

Automation是JSM中協助支持團隊做好服務管理的另一強大工具。針對可規則化的重複性服務需求,JSM支持零編碼構建“觸發器—條件—行為動作”的自動化規則,以系統自動執行來替代人工重複勞動,從而提高工作效率,讓員工有更多精力投入到創造性的工作中。

虛擬智能助手

Atlassian 推出了虛擬智能助手(Virtual Intelligent Assistant),融合人工智慧與自然語言處理技術,能夠通過對話理解用戶問題,快速回應並即時提供解決方案。同時,它還支持監控助手表現,便於用戶有針對性地優化訓練,持續提升其服務能力,從而顯著增強企業客戶服務的效率與品質。

綜上所述,JSM 的各項功能有效應對了前述服務管理挑戰,已成為眾多企業實現高效、優質服務管理的首選方案。

Atlassian AI如何賦能現代服務請求支持

2025年,Atlassian進一步將Jira Service Management(JSM)、Customer Service Management(CSM)、Assets 和Rovo集成為全新的Service Collection解決方案推向市場。這是一個基於人工智慧的服務管理解決方案,旨在幫助企業更智能、更高效地預防和應對各類服務問題。

JSM和Assets的功能前面已作介紹,客戶服務管理CSM不是本次研討會的重點,此處不再展開。接下來,我們將目光聚焦到Rovo上。

認識Atlassian AI助手——Rovo

Rovo是Atlassian的全新AI產品,通過釋放AI潛力幫助用戶將資訊暫態轉化為行動。Rovo的目標是讓Atlassian平臺從一個優秀的“工作系統”,進化為理解用戶、輔助用戶甚至能主動為用戶工作的“智能工作夥伴”——這也是我們迎接智能未來的方式。

Rovo 由 OpenAI 和 Google 的大語言模型驅動,具備強大的語言理解與生成能力。同時,它深度集成 Atlassian Cloud 的核心引擎——團隊知識圖譜(Teamwork Graph),可自動聚合並識別企業團隊在資訊、工作內容、目標規劃與知識沉澱之間的關聯。通過結合 AI 模型的語言能力與結構化知識網路,Rovo 為高效服務管理提供有力支撐。

此外,Rovo 還可集成企業外部應用,快速分析和處理海量用戶與服務數據,並通過三種主要模式——智能搜索(Rovo Search)、對話交互(Rovo Chat),以及開箱即用與可定制的AI助手(Rovo Agent)——為用戶提供即時、精准的服務支持,助力團隊從容應對複雜的工作場景。

JSM:AI驅動的智能服務台

JSM集成Rovo後成為AI驅動的智能服務台,通過Rovo、虛擬代理和知識庫為用戶提供全管道的自助服務,實現服務左移。另外JSM平臺通過深度整合Jira生態,打破團隊壁壘,支持跨產品協作與自動化流程,涵蓋IT、HR、一般服務管理等多種應用場景。同時支持外部知識整合及全生命週期資產管理,提供開箱即用的報表、服務管理分析工具等等,助力企業高速構建、部署和運行新服務。

那麼,Rovo是如何助力企業進行高效服務管理的呢?

寫作助手及智能摘要

Rovo在服務管理中的應用非常廣泛。無論是日常知識的構建、更新與沉澱,還是與外部客戶的溝通,它都能充當寫作助手——不僅幫助用戶總結、提煉、擴寫、優化和翻譯內容,還可以基於工單解決過程及用戶溝通的上下文,自動歸納總結問題及解決方案,並將其創建、更新為最新的知識庫經驗。這有效解決了企業資訊更新不及時、歷史經驗難以沉澱等問題。

智能建議及分類

Rovo還可根據專案和服務佇列的實際情況,為工單給出智能建議,實現工單的精准分類與自動分派,大大提升支持人員的工作效率和決策品質。

智能搜索(Rovo Search)

Rovo智能搜索主要以三種形式服務用戶:

Ø 跨平臺智能搜索:搜索資訊時可跨平臺顯示搜索結果,例如用自然語言搜索資訊後,搜索結果不僅包含Jira/JSM裏的工單,也包括Confluence裏的內容,從而打破平臺壁壘,提高效率;

Ø 針對用戶許可權及習慣,個性化顯示搜索結果

Ø 通過不斷迭代更新知識體系,提升系統性能和用戶的搜索體驗。

對話式AI(Rovo Chat)

Rovo Chat是一個對話式的AI夥伴,用戶可通過自然對話與其互動,獲得即時、有效的回饋。無論是撰寫、修改、總結、查找內容,還是按需呈現資訊,它都能輕鬆完成,真正實現“對話即自動化”。基於聊天上下文和企業產品數據,Rovo Chat能夠智能生成回復並推薦後續問題,且隨著團隊的持續使用不斷進化,變得越來越智能。

智能代理(Rovo Agent)

Rovo提供了開箱即用的智能代理(Agent),可將其看作是能基於用戶需求執行相關任務的“AI同事”,例如自動處理工單、生成經驗總結、智能分類、提供智能回復等,真正實現“動手”替你幹活。

同時,Rovo Studio賦予企業定制Agent的能力——通過使用自然語言和低代碼方式,基於企業的實際業務構建專屬AI助手,並靈活定義其技能,如創建/更新/評論工單等,滿足個性化服務管理需求。

智能自動化:Rovo和Automation

此前我們已經介紹過,JSM的Automation功能可幫助處理大量的重複性事務。結合Rovo的AI功能後,Automation得以進一步升級,真正實現智能自動化。

對於不熟悉Automation配置的用戶來說,可通過Rovo使用自然語言輕鬆創建自動化規則,降低配置門檻,帶來更好的用戶體驗。另外,企業也可基於實際的業務需求,將Rovo Agent集成進Automation規則中,將傳統“規則驅動”的自動化升級為“AI智能驅動”——不僅能執行預設規則,還能在規則執行過程中理解業務上下文、預測需求並主動推薦下一步行動,真正實現從”自動化任務”到”自動化決策”的跨越,助力Atlassian 平臺真正成為企業的智能協作中樞。

Atlassian Cloud跨區域協作優勢與數據安全

接下來,我們來探討大家關心的另一個話題:Atlassian Cloud跨區域協作的優勢以及數據安全機制,希望能有效解答部分客戶對這兩方面的顧慮。

Atlassian Cloud跨區域協作優勢:

  • Altassian在全球多區域部署基於AWS的公有雲基礎設施,支持用戶就近接入;
  • 提供自動負載均衡功能,承諾高達99.9%的SLA目標,保障服務的高可用性;
  • 統一數據源及即時更新,所有的工單、文檔、代碼集中存儲於雲端,多地團隊能即時查看同一版本,避免副本衝突;
  • 支持多種語言及時區,降低跨國團隊的理解成本,避免跨時區排期錯誤。

Atlassian Cloud通過多重措施保障數據安全:

  • 安全工具Atlassian Guard可通過訪問控制、單點登錄 (SSO) 和多因素身份驗證 (MFA)等措施,保證用戶數據安全;
  • Cloud產品傳輸數據時,Atlassian會對數據進行加密,同時利用 AWS定期對加密、解密和密鑰管理等流程進行內部檢查和驗證等,共同保障數據安全;
  • Atlassian也對分佈於不同區域的多個數據中心制定了全面的備份計畫,通過定期測試災難恢復和業務持續性計畫來提供服務保障,即使遇到突發情況,也能迅速恢復數據,確保業務的連續性,降低損失。

這幾重保障相互配合,為用戶和服務的數據安全保駕護航,讓用戶能夠更加放心地使用Atlassian Cloud服務。

Rovo數據許可權及隱私:

部分用戶可能因Rovo可結合開源的AI模型,而對其數據安全有所顧慮,在此,我們專門做個解答。

  • Rovo嚴格遵循產品現有的許可權設置,杜絕將數據用於跨客戶的模型訓練,對用戶數據的使用邊界有清晰的界定,能夠保障不同客戶的數據獨立性和安全性;
  • Atlassian承諾用戶數據不會用於改進任何大語言模型或服務,與第三方託管模型的數據交互是通過SSL加密服務單獨發送的,進一步強化了數據隱私保護,企業無需擔心數據洩密問題;
  • 符合條件的客戶可申請僅使用Atlassian託管的大語言模型,將大語言模型的使用範圍限制在Atlassian雲平臺內。

希望這一列的安全保證措施,能夠解答大家對Atlassian Cloud產品數據安全的顧慮。

Demo演示:利用Jira Service Management + AI高效處理新員工入職全流程

最後,我們以新員工入職流程為例,演示 JSM 與 AI 深度集成後在實際場景中的高效應用。

Atlassian全球白金合作夥伴——龍智DragonSoft

作為Atlassian全球白金合作夥伴,以及大中華區第一家獲得Cloud Specialization 和ITSM Specialization 認證的企業,龍智提供:

– Jira Service Management 規劃與實施

– Atlassian平臺整合、遷移與自動化設計

– DevOps流程與ITSM落地諮詢

– 企業級培訓與本地技術支持等服務

我們致力於提供可落地、可擴展的業務解決方案,助力企業構建智能、高效的服務管理體系。進一步瞭解Jira Service Management、Rovo如何幫助您的企業升級服務管理,請聯繫:

官網:https://hkdsdtech.com/

電話:+852-51679050、+852-62678513

郵箱:customer@hkdsdtech.com

關於龍智

DragonSoft 於 2006 年成立,現已成爲中國領先的 DevSecOps 解決方案提供商。
我們融合 DevOps 與敏捷管理理念,並整合全球頂尖工具,爲客戶提供應用生命周期管理(ALM/SDLM)、DevSecOps 及敏捷開發等解決方案,涵蓋實施部署、系統升級、培訓支持、定制開發及維護服務。 透過自動化軟件開發流程,促進團隊協作,全面提升開發效率與產品質量,同時確保整個過程可追溯、可量化。